供水管網(wǎng)異構(gòu)數(shù)據(jù)集成共享關(guān)鍵技術(shù)研究

范冬林，康傳利，付波霖，高二濤 ，徐雯婷，藍(lán)貴文

(1.桂林理工大學(xué)測(cè)繪地理信息學(xué)院，廣西桂林541004；2.廣西空間信息與測(cè)繪重點(diǎn)實(shí)驗(yàn)室，廣西桂林541004；3.東華理工大學(xué)測(cè)繪工程學(xué)院，江西南昌330013)

0 引 言

在信息化、智慧化浪潮的推動(dòng)下，智慧城市已成為我國城市化發(fā)展的新趨勢(shì)[1]。供水管網(wǎng)作為城市信息基礎(chǔ)設(shè)施的重要組成部分，是智慧城市建設(shè)的重要數(shù)據(jù)源之一。智慧城市的發(fā)展與數(shù)字城市的建設(shè)一脈相承[2]，在數(shù)字城市建設(shè)進(jìn)程中，供水管網(wǎng)信息化系統(tǒng)作為GIS平臺(tái)的一個(gè)行業(yè)應(yīng)用，通常僅以現(xiàn)有的數(shù)據(jù)模型來解決城市管網(wǎng)的特殊應(yīng)用，未能深入考慮管網(wǎng)運(yùn)行的行業(yè)特性[3]，主要表現(xiàn)在：①管網(wǎng)信息資源缺乏語義信息，不能滿足智慧城市對(duì)重要資源的整合、共享、集成的要求；②供水管網(wǎng)數(shù)據(jù)多樣化，系統(tǒng)建設(shè)層次不一。由于管網(wǎng)管理者需求的不同以及系統(tǒng)建設(shè)者對(duì)城市管網(wǎng)認(rèn)識(shí)的差異，使得現(xiàn)有系統(tǒng)的應(yīng)用層次各不相同，進(jìn)而導(dǎo)致了供水管網(wǎng)數(shù)據(jù)格式多樣化且語義一致性差[4]。此類供水信息系統(tǒng)對(duì)外提供的WEB服務(wù)資源(即共享信息)缺乏統(tǒng)一的語義描述，難以形成具有統(tǒng)一語義與知識(shí)表達(dá)的信息共享。

為解決上述問題，必須對(duì)現(xiàn)行的異構(gòu)數(shù)據(jù)進(jìn)行集成，形成一致的數(shù)據(jù)語義描述，構(gòu)建集成數(shù)據(jù)模型[5]。對(duì)GIS空間數(shù)據(jù)而言，數(shù)據(jù)集成是消除源數(shù)據(jù)在數(shù)據(jù)模式、數(shù)據(jù)屬性和數(shù)據(jù)結(jié)構(gòu)上的差異和沖突，按照目標(biāo)數(shù)據(jù)進(jìn)行一致化處理，最后為用戶提供統(tǒng)一的表現(xiàn)形式[6]。本文從數(shù)據(jù)集成的層面，實(shí)現(xiàn)供水管網(wǎng)異構(gòu)數(shù)據(jù)集成研究，為城市其他行業(yè)管網(wǎng)數(shù)據(jù)集成提供參考。

1 供水管網(wǎng)數(shù)據(jù)異構(gòu)性分析

對(duì)供水管網(wǎng)本身數(shù)據(jù)而言，不僅存在數(shù)據(jù)格式的不同，如常見的數(shù)據(jù)格式有ArcGIS的SHP格式、AutoCAD的DWG格式、MapGIS的W*格式等。而且，即使是同一格式的管網(wǎng)數(shù)據(jù)，對(duì)管網(wǎng)領(lǐng)域概念理解的不同，也會(huì)存在對(duì)相同實(shí)體的數(shù)據(jù)存儲(chǔ)描述的差異，如數(shù)據(jù)結(jié)構(gòu)沖突、字段命名沖突以及實(shí)例的度量單位沖突等。

從數(shù)據(jù)的語義層面看，供水管網(wǎng)數(shù)據(jù)異構(gòu)包括2種類型[7]：實(shí)例異構(gòu)和模式異構(gòu)。實(shí)例異構(gòu)是指不同的數(shù)據(jù)源對(duì)同一個(gè)實(shí)體具有不同的描述，對(duì)相同的地理實(shí)體的描述使用同義字或同形異義字。如系統(tǒng)A中材質(zhì)為“普通鑄鐵管”，而系統(tǒng)B中表示為“灰口鑄鐵管”，由于其表現(xiàn)形式不同，通過精確匹配方式則無法將2個(gè)數(shù)據(jù)描述一一對(duì)應(yīng)起來。模式異構(gòu)是指不同數(shù)據(jù)源數(shù)據(jù)含義相似或有差別，包含2方面異構(gòu)：一方面是指2個(gè)局部模式的屬性具有相同的含義，但屬性名卻不相同，這種異構(gòu)亦稱為命名異構(gòu)，如在模式A中“材質(zhì)”字段名和模式B中“管材”指的是同一個(gè)概念；另一方面則指不同的數(shù)據(jù)源對(duì)相同實(shí)體的屬性采取不同的定義方法，這種異構(gòu)也稱為結(jié)構(gòu)異構(gòu)，如模式A對(duì)“地址”的表示在一個(gè)屬性字段中完成，而在模式B中“地址”由“省”、“市”、“街道”3個(gè)屬性字段描述。

2 供水管網(wǎng)異構(gòu)數(shù)據(jù)集成技術(shù)

2.1 集成數(shù)據(jù)模型

本體技術(shù)能夠解決數(shù)據(jù)集成中語義異構(gòu)問題，最根本的原因在于其定義的共享概念模型使用戶和應(yīng)用程序?qū)Ω拍詈托g(shù)語具有共同的理解[8]。因此，對(duì)供水管網(wǎng)領(lǐng)域中核心概念的抽象顯得尤為重要。在傳統(tǒng)的本體集成技術(shù)研究中，核心概念僅僅是對(duì)領(lǐng)域內(nèi)實(shí)體和關(guān)系的表達(dá)[9]，而在本文中，核心概念不僅包含供水管網(wǎng)中的實(shí)體類型與關(guān)系，同時(shí)包含實(shí)體內(nèi)屬性集合的抽象。為了構(gòu)建供水管網(wǎng)集成數(shù)據(jù)模型，本文將屬性集合的概念抽象為特性，其邏輯上是對(duì)供水管網(wǎng)概念的形式化表述，而物理上則是一組屬性的集合。本文將特性分為3類：存儲(chǔ)特性、普通特性和標(biāo)識(shí)特性。

(1)存儲(chǔ)特性。用于管理數(shù)據(jù)類型的存儲(chǔ)方式，主要功能包括基于類型的數(shù)據(jù)創(chuàng)建、數(shù)據(jù)選擇、數(shù)據(jù)讀取和修改等。

(2)普通特性。包含一定數(shù)量的固有屬性字段，并在該固有屬性字段的基礎(chǔ)上定義了基于特性的基礎(chǔ)應(yīng)用操作，如管材特性中的獲取管材信息，規(guī)格特性中的獲取設(shè)備規(guī)格信息以及進(jìn)行設(shè)備規(guī)格檢查等。

(3)標(biāo)識(shí)特性。用于對(duì)管線設(shè)備標(biāo)識(shí)，這類特性不需要匹配固有的屬性字段信息，如針對(duì)供水的閥門設(shè)備以及燃?xì)獾恼{(diào)壓站設(shè)備都具有的關(guān)斷特性，當(dāng)給某一數(shù)據(jù)類型賦予了關(guān)斷特性時(shí)，說明該數(shù)據(jù)所存儲(chǔ)的設(shè)備具有阻斷網(wǎng)絡(luò)流通功能的特性。

按照地下管線探測(cè)規(guī)程和集成數(shù)據(jù)模型的需求，建立供水設(shè)備類型，并進(jìn)一步確定每種設(shè)備類型的屬性。對(duì)于集成數(shù)據(jù)模型而言，類型的屬性結(jié)構(gòu)不僅需要考慮異構(gòu)數(shù)據(jù)中的相同概念，還需考慮數(shù)據(jù)源中的特殊屬性，以便更大程度兼容異構(gòu)數(shù)據(jù)源。上文提到的特性能夠很好地解決這一問題。類型通過特性間接決定其屬性結(jié)構(gòu)，不直接持有屬性，屬性的管理由特性完成。

閥門類型-特性-屬性關(guān)系見圖1。閥門類型被指定為點(diǎn)設(shè)施存儲(chǔ)特性，該閥門類型還具有關(guān)斷特性和關(guān)閥影響2個(gè)標(biāo)識(shí)特性。同時(shí)，普通特性記錄了該類型公共數(shù)據(jù)屬性字段集合。數(shù)據(jù)類型還可以派生子數(shù)據(jù)類型，子數(shù)據(jù)類型繼承了父類型的所有特性。派生的子類型只能添加普通特性和標(biāo)識(shí)特性，不能更改存儲(chǔ)特性。按照上述原則，本文設(shè)計(jì)了供水設(shè)備集成數(shù)據(jù)模型，該模型將作為目標(biāo)本體參與異構(gòu)源數(shù)據(jù)的集成。

圖1 類型-特性-屬性關(guān)系示意

2.2 數(shù)據(jù)集成中映射關(guān)系的建立

建立映射關(guān)系是為了將供水管網(wǎng)集成數(shù)據(jù)模型與不同的源數(shù)據(jù)進(jìn)行關(guān)聯(lián)，消除集成數(shù)據(jù)模型與源數(shù)據(jù)的模式和實(shí)例異構(gòu)[10]，其關(guān)鍵是概念之間相似度的計(jì)算。在研究相似度計(jì)算方法的文獻(xiàn)[11-13]中，按照不同的標(biāo)準(zhǔn)，將相似度計(jì)算方法分為模式級(jí)、實(shí)例級(jí)、元素級(jí)和結(jié)構(gòu)級(jí)。本文主要考慮模式級(jí)和實(shí)例級(jí)的相似度計(jì)算算法，前者指利用本體中的模式信息來計(jì)算相似度，該計(jì)算方式主要是計(jì)算詞法層面的語義相似度[14]；后者指利用一定量實(shí)例來進(jìn)行相似度的計(jì)算，該計(jì)算方式主要以數(shù)學(xué)聯(lián)合分布概率為基礎(chǔ)進(jìn)行相似度計(jì)算。每一種相似度在一定程度上反應(yīng)了本體概念間的關(guān)系，對(duì)映射關(guān)系的建立都有不同程度的影響，單獨(dú)使用一種相似度在一些場(chǎng)景亦能取得較為滿意的效果。如在文獻(xiàn)[15]中提供的數(shù)據(jù)中，使用基于實(shí)例的相似度計(jì)算方法可以取得較理想的匹配結(jié)果，但當(dāng)遇到語義上一致，但詞義不同的實(shí)例便難以勝任?；谏鲜鲈颍⒔Y(jié)合供水管網(wǎng)中異構(gòu)數(shù)據(jù)的特性，本文將應(yīng)用結(jié)合詞義、語義和實(shí)例的相似度算法進(jìn)行加權(quán)計(jì)算的綜合相似度計(jì)算方法。

假設(shè)simw(A，B)、sime(A，B)、simc(A，B)分別表示本體O1中A概念與本體O2中B概念的詞義相似度、語義相似度和實(shí)例相似度，則綜合相似度的計(jì)算方法表示為

sim(A，B)=α×simw(A，B)+β×sime(A，B)+

λ×simc(A，B)

(1)

α+β+λ=1.0

(2)

min{simw(A，B)，sime(A，B)，

simc(A，B)}≤sim(A，B)≤max{simw(A，B)，

sime(A，B)，simc(A，B)}

(3)

式中，α、β、λ為權(quán)重值，依賴于經(jīng)驗(yàn)值，在實(shí)際應(yīng)用中，α、β、λ的值通過訓(xùn)練確定。在本體與源數(shù)據(jù)中選取1組訓(xùn)練樣本，計(jì)算得到的相似分量，變換α、β、λ的取值，得到更多的試驗(yàn)值，從結(jié)果中選取映射準(zhǔn)確率高的作為經(jīng)驗(yàn)值。

本文從供水管網(wǎng)數(shù)據(jù)中選取了1組數(shù)據(jù)進(jìn)行綜合相似度的計(jì)算，計(jì)算結(jié)果見表1。其中，α、β、λ的值分別取0.3、0.5、0.2。

通過綜合相似度計(jì)算得到的相似度矩陣，本體中一個(gè)概念可能具有多個(gè)相似度差別不大的另一本體的概念組，如“高程”對(duì)應(yīng)的“管頂高程”和“管底高程”相似度的值都大于0.7。因此，需要確定選擇具體哪個(gè)概念與之對(duì)應(yīng)，從而建立本體概念間的映射關(guān)系。設(shè)定閾值T可以有效減少關(guān)聯(lián)概念的數(shù)量，當(dāng)2個(gè)概念的相似度小于T時(shí)，便認(rèn)為概念無相關(guān)性；當(dāng)相似度大于T時(shí)，則將被匹配概念作為1個(gè)候選概念。如在表1中，當(dāng)T取0.7時(shí)，數(shù)據(jù)源本體管頂標(biāo)高、管底標(biāo)高對(duì)應(yīng)集成本體的候選概念皆為管底高程和管頂高程。

本文選取了106個(gè)目標(biāo)概念和122個(gè)源概念，對(duì)兩者分別使用詞義、語義、實(shí)例和綜合相似度計(jì)算方法進(jìn)行匹配處理，并使用查準(zhǔn)率(Precision)、查全率(Recall)和F1-Measure作為評(píng)判匹配結(jié)果的有效性指標(biāo)，評(píng)判指標(biāo)見表2。從表2可知，由于實(shí)例相似度算法僅就數(shù)值型的概念進(jìn)行匹配處理，故其計(jì)算結(jié)果相對(duì)其他算法準(zhǔn)確率稍低；而綜合相似度計(jì)算方法反應(yīng)了概念的多個(gè)方面的信息，其準(zhǔn)確率明顯高于其他相似度算法。

表2 相似度計(jì)算算法結(jié)果評(píng)價(jià)

本文中，映射關(guān)系的建立包含模式和數(shù)值映射關(guān)系2個(gè)方面。前者指建立集成數(shù)據(jù)模型和異構(gòu)源關(guān)于類型和屬性字段之間的映射關(guān)系，后者指建立集成數(shù)據(jù)模型和異構(gòu)源屬性數(shù)值的映射關(guān)系。

模式映射可將非標(biāo)準(zhǔn)化的數(shù)據(jù)轉(zhuǎn)換為標(biāo)準(zhǔn)化的數(shù)據(jù)，實(shí)現(xiàn)模式映射需要經(jīng)過3個(gè)步驟：類型匹配→屬性字段匹配→數(shù)值匹配。類型匹配通過字符相似度計(jì)算可以確定初步的映射關(guān)系；屬性字段匹配通過綜合相似度計(jì)算也可確定初步的映射關(guān)系，在初步映射關(guān)系的基礎(chǔ)上，通過人工干預(yù)確定最終的映射關(guān)系。在計(jì)算相似度之前，需經(jīng)過預(yù)定義字典過濾，將在預(yù)定義字典中有明確對(duì)應(yīng)關(guān)系的概念剔除，以減少計(jì)算量。模式映射過程如圖2所示。

完成模式映射關(guān)系后，還需進(jìn)一步對(duì)數(shù)據(jù)值進(jìn)行匹配。本文僅就文本和數(shù)值類型的屬性值進(jìn)行考慮。數(shù)值匹配處理流程見圖3。對(duì)屬性值進(jìn)行匹配的原因是存在實(shí)例異構(gòu)，在創(chuàng)建集成本體時(shí)，對(duì)字段進(jìn)行過值域約束(范圍約束、選項(xiàng)約束)或進(jìn)行了統(tǒng)一度量單位的約束等。文本類型的數(shù)據(jù)值可能存在n∶1、1∶1的映射關(guān)系以及數(shù)值書寫格式的統(tǒng)一，這部分的映射關(guān)系生成同樣需要進(jìn)行相似度的計(jì)算。

圖2 模式映射處理流程

圖3 數(shù)值匹配處理流程

圖4 集成管網(wǎng)數(shù)據(jù)模板

數(shù)值型的數(shù)據(jù)值僅考慮度量單位的統(tǒng)一，這部分主要通過元信息、均值來判別換算關(guān)系。

3 異構(gòu)數(shù)據(jù)集成共享平臺(tái)應(yīng)用

供水管網(wǎng)異構(gòu)數(shù)據(jù)集成與共享平臺(tái)是在供水集成數(shù)據(jù)模型和綜合相似度計(jì)算方法的支撐下，基于MapGIS SDK二次開發(fā)的供水管網(wǎng)數(shù)據(jù)異構(gòu)的集成共享平臺(tái)。該平臺(tái)以特性為基本處理單元而開發(fā)的特性工具集合，為上層應(yīng)用提供了一套完整的數(shù)據(jù)操作接口。特性工具降低了數(shù)據(jù)與功能的耦合性，提高了基于集成數(shù)據(jù)模型開發(fā)的供水地理信息系統(tǒng)在異構(gòu)數(shù)據(jù)下的復(fù)用性和系統(tǒng)的擴(kuò)展性。平臺(tái)還提供了數(shù)據(jù)的統(tǒng)一發(fā)布，基于GML格式的數(shù)據(jù)，可以實(shí)現(xiàn)不同系統(tǒng)或平臺(tái)間的數(shù)據(jù)共享。由于數(shù)據(jù)是已經(jīng)進(jìn)行過集成化處理的，因此使這類數(shù)據(jù)的共享是具有相同語義和知識(shí)的共享。集成管網(wǎng)數(shù)據(jù)模板見圖4。管網(wǎng)拓?fù)涞慕y(tǒng)一語義表達(dá)見圖5。

圖5 管網(wǎng)拓?fù)涞慕y(tǒng)一語義表達(dá)

4 結(jié) 語

本文針對(duì)不同供水管網(wǎng)存在異構(gòu)性和共享信息語義不一致問題，對(duì)其中的關(guān)鍵技術(shù)進(jìn)行了探討，構(gòu)建了一個(gè)供水管網(wǎng)異構(gòu)數(shù)據(jù)集成共享平臺(tái)應(yīng)用實(shí)例，并使用該平臺(tái)先后對(duì)常州、桂林2個(gè)城市的供水管網(wǎng)數(shù)據(jù)進(jìn)行異構(gòu)集成，達(dá)到了預(yù)期效果。

異構(gòu)數(shù)據(jù)集成共享平臺(tái)在一定程度上解決了供水管網(wǎng)數(shù)據(jù)語義一致的集成共享，特性的引入也可在一定程度上降低供水應(yīng)用系統(tǒng)的開發(fā)周期，提高應(yīng)用功能的復(fù)用性，可供城市其他管網(wǎng)行業(yè)數(shù)據(jù)集成和共享提供參考。